在Linux下，程序崩溃是很头疼的事情（其实Windows更是如此）。
我们可以生成core dump文件，并用gdb重现崩溃时的场景。
ulimit设置core dump开关和大小
ulimit -c unlimited
测试代码：
#include <stdio.h>
int main(int argc, char* argv[])
{
char * p = NULL;
*p = 123;
return 0;[......]
Topic:Processing Text...
本章主题：文本处理
1、本章的主题:文本变换(Text Transformation)和文本处理(Text Processing)
2、将单词(Words)转化为可建索引的词项(Terms)的形式。
3、最懒的方法是:什么都不处理，这样，所有词都可以且只能被精确匹配。这样，诸如大小写、词形变换等导致的单词，就无法被检索出来。
4、分词(Tokenization):将段落转化为Words的过程。
5、归一化(St[......]
用Doxygen生成文档时，在处理一个图片时报如下错误：
sh: dot: not found
Problems running dot: exit code=127, command='dot', arguments='"/home/liheyuan/code/zookeeper-3.3.3/src/c/docs/html/zookeeper_8h__incl.dot" -Tpng -o "/home/liheyuan/code/zookeeper-3.3.3/src/c/docs/htm[......]
压缩数据库可以减小数据库体积，提高检索性能。
xapian-compact - Compact a database, or merge and compact several
Usage: xapian-compact [OPTIONS] SOURCE_DATABASE... DESTINATION_DATABASE
Options:
-b, --blocksize Set the blocksize in bytes (e.g. 4096) or K (e.g. 4K[......]
本章介绍了关于搜索原信息获取的问题，数据源除了Web、Feed之外，还有邮件、文档等各种可能的内网资源。
1、web的采集系统称为web crawler。两个最大的挑战：
(1)Web规模巨大，消耗巨大带宽、存储、CPU资源
(2) 不可控情况，很多网页会阻止你采集（加访问权限），有的Form表单无法采集，会产生数百万的组合结果(这种情况下，最好放弃form表单的采集)。
2、web上的每一个资源通过URL（Uniform resource locator）表示。分为scheme[......]